TinyIO: 轻量级重参数化惯性里程计
机器人学
2026-03-17 v4
摘要
惯性里程计(IO)是一种广泛用于移动设备定位的方法;然而,获得一个既轻量又高精度的IO模型仍然具有挑战性。为了解决这个问题,我们提出了TinyIO,一种轻量级的IO方法。在训练期间,我们采用多分支架构来更有效地提取多样化的运动特征。在推理时,训练好的多分支模型被转换为等效的单路径架构,以降低计算复杂度。我们进一步提出了一种双路径自适应注意力机制(DPAA),它增强了TinyIO在通道和时间维度上对上下文运动的感知,而增加的参数可忽略不计。在公共数据集上的大量实验表明,我们的方法在精度和模型大小之间取得了良好的平衡。在RoNIN数据集上,与R-ResNet相比,TinyIO将ATE降低了23.53%,并将参数数量减少了3.68%。
引用
@article{arxiv.2507.15293,
title = {TinyIO: Lightweight Reparameterized Inertial Odometry},
author = {Shanshan Zhang and Siyue Wang and Mengzi Chen and Mengzhe Wang and Liqin Wu and Qi Zhang and Lingxiang Zheng},
journal= {arXiv preprint arXiv:2507.15293},
year = {2026}
}